Forskere lærer KI å rette opp værmodellenes feil – gir bedre varsler tre til fire uker frem

Hvor mye regn kommer det om tre uker? Blir det en kuldeperiode i slutten av november? Slike spørsmål er vanskelige for meteorologer. Varslene for de nærmeste ti til fjorten dagene er blitt svært gode, men lenger frem faller treffsikkerheten raskt. Fagfolk har kalt perioden fra to til seks uker frem for en «forutsigbarhetsørken».

Bildet øverst er et illustrasjonsfoto av et lavtrykk over Norskehavet fra 2020 og er ikke fra studien.

I en artikkel i det vitenskapelige tidsskriftet Nature onsdag 14. oktober beskriver forskere fra blant andre Microsoft Research, MIT og ECMWF en metode som skal gjøre disse varslene mer pålitelige. Metoden heter Probabilistic Bias Correction, forkortet PBC.

Retter feil i stedet for å lage ny modell

Flere selskaper utvikler egne KI-modeller for værvarsling. Forskerne bak PBC har valgt en annen vei. De lager ikke en ny værmodell, men et korreksjonslag som legges oppå modellene som allerede finnes.

Modellene som brukes til langtidsvarsler, regner ut mange mulige utviklinger av været – ECMWFs modell rundt 100. PBC gjør disse om til sannsynligheter for fem kategorier, fra mye kaldere eller tørrere enn normalt til mye varmere eller våtere enn normalt. Normalen er beregnet ut fra de siste 20 årene på samme sted og til samme tid av året.

Deretter brukes to lette maskinlæringsmodeller. Den ene lærer hvordan værmodellen tidligere har bommet på samme sted og til samme årstid, og justerer sannsynlighetene deretter. Den andre blander inn været som faktisk er målt de siste ukene, og det som er normalt for årstiden. Til slutt slås de to korreksjonene sammen til ett varsel. Metoden trenes på nytt hver dag med nye data.

– Den tar favorittmodellen din som utgangspunkt og lærer på hvilke måter den pleier å ta feil. Så retter den opp feilene, sier Lester Mackey, forsker ved Microsoft Research og en av forfatterne, i en artikkel publisert av Microsoft (vår oversettelse).

Bedre for nedbør, temperatur og lufttrykk

Forskerne testet metoden på varsler for uke tre (dag 19–25) og uke fire (dag 26–32). De så på gjennomsnittstemperatur og nedbør over land, og lufttrykk ved havnivå.

Brukt på ECMWFs fysikkbaserte værmodell, som ofte regnes som verdens beste, ga PBC bedre resultater enn værsenterets egen standardkorreksjon for 98 prosent av nedbørsmålene, 92 prosent av temperaturmålene og 91 prosent av lufttrykksmålene, ifølge studien. Prosenttallene viser hvor stor andel av målepunktene som ble forbedret – ikke at varslene ble så mye bedre.

For ECMWFs KI-modell for langtidsvarsler, AIFS, doblet metoden treffsikkerheten i gjennomsnitt. Forskerne beskriver selv denne modellens treffsikkerhet før korreksjonen som beskjeden.

Studien tyder også på bedre varsling av ekstremvær. Forskerne gikk gjennom flommer registrert i det internasjonale katastrofevarslingssystemet GDACS fra 2016 til 2026. Der økte PBC evnen til å varsle kraftig nedbør tre til fire uker frem med 76–92 prosent sammenlignet med ECMWFs ukorrigerte modell. Værsenterets egen standardkorreksjon gjorde derimot disse varslene dårligere.

Treffsikkerheten måles mot å bare gjette på normalværet for årstiden, og utgangspunktet er lavt. Varsler så langt frem vil fortsatt handle om sannsynligheter og trender, ikke om det regner en bestemt dag.

Vant europeisk værkonkurranse

Metoden er også prøvd ut i sanntid. I 2025 startet ECMWF konkurransen AI Weather Quest. Der leverer lag fra hele verden hver uke varsler tre og fire uker frem, som etterpå sjekkes mot været som faktisk kom.

Forskernes bidrag, kalt MicroDuet, kom på førsteplass for alle værtyper og begge tidshorisonter i den første sesongen fra september til november 2025, ifølge studien. Bidraget slo de feilkorrigerte modellene til seks statlige værsentre og systemene til 34 andre lag.

ECMWF bekrefter resultatene. I en fagblogg i mars skrev værsenteret at MicroDuet ledet resultatlistene gjennom begge de to første sesongene, og at bidraget var signifikant bedre enn ECMWFs egen modell for alle variabler og tidshorisonter. ECMWF skrev samtidig at få KI-modeller slår de beste fysikkbaserte modellene, og at de som gjør det, bygger på nettopp slike modeller.

– Bidragene fra MicroEnsemble-laget viste hvordan maskinlæring kan forbedre tradisjonelle værvarslingssystemer gjennom etterbehandling, sier Joshua Talib, forsker i langtidsvarsling ved ECMWF, i Microsofts artikkel (vår oversettelse). Talib er også en av medforfatterne av studien.

Ifølge forskerne er metoden billig å kjøre sammenlignet med selve værmodellene. Koden er lagt ut som åpen kildekode.

Testes i Kenya

Kenyas meteorologiske tjeneste tester metoden i inneværende regnsesong, ifølge Microsoft. Den ideelle organisasjonen Rhiza Research, der en av forfatterne arbeider, hjelper til med utprøvingen.

– Det meste av feilkorrigering justerer bare hvor mye regn et varsel spår. PBC korrigerer selve sannsynlighetene, og over Afrikas horn forbedret den varslene våre mer enn noen annen metode vi testet, sier meteorolog Phillip Okello ved den kenyanske værtjenesten i Microsofts artikkel (vår oversettelse).

Microsoft har også kommersielle interesser i langtidsvarsling. Selskapets værtjeneste Microsoft Weather har en modell for varsler opptil seks uker frem som nå testes av utvalgte kunder, ifølge selskapet. Fem av forfatterne er ansatt i Microsoft, og sju eier aksjer i selskapet, går det fram av studien.

Yr bruker data fra samme værsenter

Norge er ett av ECMWFs 23 medlemsland. Yr, som drives av Meteorologisk institutt (MET) og NRK, har siden januar 2024 vist værvarsel 21 dager frem. Ifølge Yr bygger dag 11 til 21 på data fra ECMWF, og varselet viser trender og sannsynligheter i stedet for nøyaktige tidspunkter. Yr peker selv på landbruk og kraft- og forsikringsbransjen som brukere som kan ha nytte av varsler flere uker frem.

Yr har ikke tatt i bruk den nye metoden, og det er ikke kjent om ECMWF eller MET vil gjøre det. Forskerne skriver selv at PBC bør ses som et verktøy for etterbehandling, og at det ikke erstatter arbeidet med å forbedre selve værmodellene.

Kilder

Guan, Mouatadid m.fl.: «Advancing subseasonal forecasting with machine learning», Nature, 14.10.2026 – https://www.nature.com/articles/s41586-026-11126-x

Microsoft Research: «New AI framework bridges a critical gap in mid-range weather forecasts», 14.10.2026 – https://www.microsoft.com/en-us/research/story/new-ai-framework-bridges-a-critical-gap-in-mid-range-weather-forecasts/

ECMWF Science Blog: «The AI Weather Quest: spotlighting the best of machine learning sub-seasonal prediction», 13.03.2026 – https://www.ecmwf.int/en/about/media-centre/science-blog/2026/ai-weather-quest-2026

ECMWF: Member States – https://www.ecmwf.int/en/about/who-we-are/member-states

Yr: «21-dagersvarsel på Yr» – https://hjelp.yr.no/hc/no/articles/12329349662492-21-dagersvarsel-p%C3%A5-Yr

Kildekode: https://github.com/mouatadid/pbc

Bilde: Foto: NOAA / Wikimedia Commons (offentlig eiendom). Original: https://commons.wikimedia.org/wiki/File:Intense_Winter_Storm_Heading_Toward_Scandinavia_(NESDIS_2020-01-02_20200102_Storm1).png